Обнаружение резких изменений в данных
TF = ischange(___,Name,Value)ischange(A,'MaxNumChanges',m) обнаруживает не более m изменить точки.
[ возвращает дополнительную информацию о сегментах линии, находящихся между точками изменения. Для примера, TF,S1,S2] = ischange(___)[TF,S1,S2] = ischange(A) возвращает вектор S1 который содержит среднее значение для каждого сегмента, а также вектор S2 который содержит отклонение для каждого сегмента вектора A.
Создайте вектор зашумленных данных и вычислите резкие изменения среднего значения данных.
A = [ones(1,5) 25*ones(1,5) 50*ones(1,5)] + rand(1,15); TF = ischange(A)
TF = 1x15 logical array
0 0 0 0 0 1 0 0 0 0 1 0 0 0 0
Чтобы вычислить среднее значение данных между точками изменения, задайте второй выходной аргумент.
[TF,S1] = ischange(A); plot(A,'*') hold on stairs(S1) legend('Data','Segment Mean','Location','NW')
Создайте вектор зашумленных данных и вычислите резкие изменения наклона и точки пересечения данных. Установка большого порога обнаружения уменьшает количество точек изменения, обнаруженных из-за шума.
A = [zeros(1,100) 1:100 99:-1:50 50*ones(1,250)] + 10*rand(1,500); [TF,S1,S2] = ischange(A,'linear','Threshold',200); segline = S1.*(1:500) + S2; plot(1:500,A,1:500,segline) legend('Data','Linear Regime')
В качестве альтернативы предоставлению порогового значения можно также задать максимальное количество точек изменения для обнаружения.
[TF,S1,S2] = ischange(A,'linear','MaxNumChanges',3);
Вычислите резкие изменения среднего значения для каждой строки матрицы.
A = diag(25*ones(5,1)) + rand(5,5)
A = 5×5
25.8147 0.0975 0.1576 0.1419 0.6557
0.9058 25.2785 0.9706 0.4218 0.0357
0.1270 0.5469 25.9572 0.9157 0.8491
0.9134 0.9575 0.4854 25.7922 0.9340
0.6324 0.9649 0.8003 0.9595 25.6787
TF = ischange(A,2)
TF = 5x5 logical array
0 1 0 0 0
0 1 1 0 0
0 0 1 1 0
0 0 0 1 1
0 0 0 0 1
A - Входные данныеВходные данные, заданные как вектор, матрица, многомерный массив, таблица или timetable.
Типы данных: single | double | table | timetable
method - Изменение метода обнаружения'mean' (по умолчанию) | 'variance' | 'linear'Измените метод обнаружения, заданный как один из следующих:
'mean' - Найти резкие изменения в среднем значении данных.
'variance' - Обнаружение резких изменений в отклонении данных.
'linear' - Обнаружение резких изменений уклона и точка пересечения данных.
dim - Рабочая размерностьРабочая размерность, заданная как положительный целочисленный скаляр По умолчанию ischange действует вдоль первой размерности, размер которого не равен 1.
Для примера, если A является матрицей, тогда ischange(A,1) действует вдоль строк A, вычисление точек изменения для каждого столбца.
ischange(A,2) действует вдоль столбцов A, вычисление точек изменения для каждой строки.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.
TF = ischange(A,'MaxNumChanges',5)[1] Killick R., P. Fearnhead и I.A. Eckley. «Оптимальное обнаружение точек изменения с линейной вычислительной стоимостью». Журнал Американской статистической ассоциации. Том 107, № 500, 2012, стр. 1590-1598.